これは、コンピュータビジョンの分野で進行中の研究の驚くほど複雑なトピックです。トピック(heres a nice video)には多くの優れた学術論文があり、公開されているターンキーソリューションはありません。
コア・イメージは現在、この種の機能をサポートしていないと思います。
ただし、すべての主要なオペレーティングシステム(iOSとAndroidを含む)ではWillow Garageが維持管理している今すぐに確立されたOpenCVライブラリをチェックすることをおすすめします。
OpenCV object detection tutorials
別の方法としては、特に知られているターゲットを追跡するために設計された拡張現実ツールキットを試してみることができます:以下のリンクは、あなたが探しているものの方にあなたを助けるかもしれません。いくつかの良い例があります:
Metaio、 Vuforia、 ARLab、 String、 Junaio
EDIT、2016年11月
CoreImageはまだこれをサポートしていませんが、それは多少可能性が高いことですそれは将来それをサポートするかもしれない。近年、オブジェクトの分類とローカリゼーションを行うためにディープネットワークを使用するオブジェクト検出フレームワークの可用性が飛躍的に向上しています。 まず、AndroidとiOS用のTensorFlowを使用するプロジェクトを見てみましょう。
One such link.
EDIT、2017年12月 これは(驚くべきどのくらいのわずか1年での変化)は、すべての主要なモバイルおよびデスクトップコンピューティング・プラットフォームにまたがって、今かなり標準的です。特にAppleのために見ることができますCoreML
CoreImageは、OpenCVによって提供されるいくつかのフィルタ操作の実装をはるかに高速化しているかもしれませんが、それほど多くはありません。 – marko
GPUアクセラレートされたテンプレート私のフレームワークであるhttps://github.com/BradLarson/GPUImageの機能とマッチングしていますが、コーナーライン検出器とライン検出器を除いて、まだ機能はほとんどありません。 –
@BradLarson GPUImageは、ディープニューラルネットワークのフォワードパスを実行する優れた候補のようです。 VGG16のような特に単純なモデルでは、3x3の畳み込みと非常に単純なプールレイヤーしか使用しません。 – twerdster